Мы рады сообщить, что в тесном сотрудничестве с Компанией «Ар Ди Сайнс», у нас появилась возможность построения систем улучшенного управления технологическими процессами (СУУТП), строящихся на базе адаптивных и самообучающихся алгоритмов

Для начала расскажем о наших новых партнерах.

Компания «Ар Ди Сайнс»  ̶  научно-производственное предприятие, специализирующееся на решении прикладных аналитических задач на основе накопленных данных о процессах технологического или организационного характера. Использует собственные методы, алгоритмы и программное обеспечение. Инструментарий создан в результате исследований сотрудников в области моделирования сложных систем и реальных процессов с применением средств интеллектуального анализа данных (DataMining, MachineLearning, непараметрическая идентификация, нейронные сети и др.). Методы, применяемые компанией «Ар Ди Сайнс», особенно эффективны в условиях, когда информации о процессах недостаточно, чтобы применять традиционные подходы. Все алгоритмы являются адаптивными и самообучающимися, что позволяет в реальном времени учитывать любые изменения в поведении объекта.

Подробно о компании «Ар Ди Сайнс» можно посмотреть на сайте www.rd-science.com.

Теперь о том, как адаптивные системы могут улучшить качество технологических процессов на предприятии.

Приведем три варианта системы улучшенного управления технологическими процессами.

Вариант №1. Статическая система Вход - выход

Допустим, есть некий объект, на вход которого поступает сырье с определенными качествами. Его надо смешать с какими-то компонентами в нужных пропорциях, в зависимости от качества сырья, чтобы получить на выходе продукт, удовлетворяющий определенным критериям.

Пример к варианту №1. Есть сталеплавильная печь, на вход которой поступает черный лом с определенными качественными параметрами. В бункерах загружены разные дорогостоящие присадки (ферросплавы). Требуется подать в печь определенное количество присадок, чтобы при переплавке данного количества определенного лома на выходе получилась сталь заданной марки.

Задача по определению количества присадок к данному лому, как правило, возложена на оператора печи (сталевара), который принимает решения на основании своего личного опыта. Какова вероятность, что параметры дозировки верны, а полученный сплав точно попадет в нужную марку?

В данном случае может помочь адаптивная система, которая, основываясь на накопленных исторических данных, в зависимости от качества лома на входе и загруженных на данный момент ферросплавов в бункерах, формирует вероятностное поле попадания в ту или иную марку стали. Такая система, учитывая все удавшиеся и неудавшиеся варианты переплавки, рекомендует оптимальные пропорции ферросплавов, необходимые для получения наиболее вероятной марки стали. Таким образом уменьшается количество брака и экономятся дорогостоящие присадки, энергетические и временные затраты на переплавку стали. Полученные результаты адаптивная система использует в своей дальнейшей работе, то есть самообучается.

Вариант №2. Статическая система с динамическими элементами (Вход-технологический процесс-выход).

Данный вариант, по своей сути, повторяет вариант №1, но между входными и выходными данными присутствует технологический процесс (нагрев, поддержание температуры, формирование управляющих воздействий при достижении технологических параметров заданных величин, контроль времени и т.д.).

Пример к варианту №2. Есть химический реактор, в который загружается сырье, обладающее какими-либо качественными характеристиками, причем эти характеристики от процесса к процессу не постоянны и являются лабораторными данными. Далее к сырью, согласно технологической инструкции, добавляют реагенты в определенных количествах, нагревают реактор до определенной температуры, поддерживают температуру в заданных пределах, подают и отключают другие реагенты. В конце концов, на выходе получают продукт, который, согласно лабораторным анализам, должен соответствовать определенным критериям.

Проблема данного варианта в том, что технологическая инструкция не ориентируется на вариации качественных характеристик сырья, в результате чего может получаться продукт, требующий повторной переработки, что требует дополнительных реагентов, энергетических и временных затрат.

В данном случае адаптивная система так же, основываясь на исторических данных не только о качестве сырья и продукта, но и о ходе технологического процесса, определяет параметры технологического процесса (скорость и время нагрева, температуру, при которой вести процесс, когда и как его завершить). Эти данные передаются в ПТК АСУТП, который автоматически ведет технологический процесс, согласно заданным параметрам. Получается, что система корректирует параметры ведения технологического процесса, в зависимости от качественных вариаций сырья на входе, тем самым повышая вероятность получения продукта, соответствующего определенным критериям. И в этом случае, полученный результат используется при дальнейшей работе системы.

Вариант №3. Динамическая система (автоматическое регулирование технологических параметров).

В данном случае требуется поддержание какого-либо технологического параметра (или группы параметров) на заданном значении. При этом технологический процесс непрерывный.

Пример к варианту №3. Возьмем паровой котел, работающий на пылеугольном топливе. Из ряда технологических параметров, требующих автоматического регулирования выберем расход пара за котлом, температура пара за котлом, содержание остаточного кислорода на выходе из топки котла. В классических схемах эти параметры регулируются тремя отдельными регуляторами с пропорционально-интегральным законом регулирования. Проблема такого построения систем регулирования заключается в следующем: работа этих трех регуляторов взаимно влияет друг на друга, а именно, при изменении расхода пара, требуется изменить количество подаваемого в котел топлива, что непременно влияет на температуру пара и содержание кислорода. Получается, что работа регулятора тепловой нагрузки является возмущающим воздействием для регуляторов температуры пара и общего воздуха. В свою очередь регулятор температуры пара пытается удержать температуру в заданных пределах, изменяя подачу воды на впрыск, а регулятор воздуха пытается удержать величину остаточного кислорода. Таким образом, регулятор температуры влияет на плотность пара, а регулятор воздуха на тепловыделение в топке, что приводит к изменению расхода пара. И все начинается по-новому, регуляторы друг друга раскачивают.

Построить систему регулирования с дополнительными параллельными и перекрестными связями, основанную на традиционных регуляторах, можно, но ее настройка многократно усложняется, а ее работа при изменении характеристик объекта в результате зашлаковывания котла, старения оборудования и изменения качественных характеристик угля становится неудовлетворительной.

В данном случае, адаптивная система строится как надстройка над существующей системой управления, собирающая информацию не только о регулируемых параметрах, но и об управляющих воздействиях и других параметрах, оказывающих влияние на данный технологический процесс. В результате вычислений, система формирует корректирующие задающие воздействия для действующих ПИ-регуляторов. Система, построенная подобным образом, способна выдавать воздействия на несколько исполнительных органов одновременно, исключая раскачку системы регулирования. Кроме того, в процессе своей работы, система адаптируется к изменениям характеристик объекта, указанных выше.

Таким образом, используя алгоритмы адаптации и самообучения, можно значительно улучшить эффективность технологических процессов и, как следствие, экономичность предприятия за счет:

  • Соблюдения технологических регламентов
  • Увеличения КПД работы оборудования
  • Уменьшение удельного расхода сырья и топлива
  • Экономии энергетических и временных ресурсов
  • Увеличения межремонтных интервалов оборудования (сокращение расходов на ремонт)